64 阅读
夏普比率的陷阱：为什么 2.0 的策略可能不如 1.0
夏普比率的陷阱：为什么 2.0 的策略可能不如 1.0 价格是符号，波动是语言，而你的指标可能一直在说谎。 2024 年，一位量化开发者兴奋地发了一条朋友圈：“策略夏普 2.3，最大回撤 18%，终于找到圣杯了。”三个月后，他在群里问：“有没有人做过最大回撤超过 60% 以后的心理建设？”夏普 2.3 的策略在 2024 年 Q4 的极端波动中连续触发止损，最终以 63% 的最大回撤收尾。 这不是
美股
美股市场深度分析，覆盖纳斯达克、纽交所和标普500
42 阅读
多市场监控的时段感知调度：港股午休、美股盘后如何避免误告警
凌晨 3:17，你的飞书收到了一条告警： > 你从床上弹起来抓过电脑，准备紧急排查。打开监控面板看了一眼——亚太盘正常。刷新一下交易软件——行情在走。告警继续响。你开始怀疑系统，怀疑服务器，怀疑是不是有什么神秘力量在作祟。 然后你想起来了：现在是港股午休时间，12:00-13:00 正好没有数据推送。 这种告警，相信每个做过实盘监控系统的人都不陌生。更糟糕的版本是凌晨 4 点告警美股盘后成交量异
49 阅读
熔断与涨跌停：当市场按下暂停键
当订单簿冻结：熔断机制的本质与量化机会 1987 年 10 月 19 日，道琼斯指数单日暴跌 22.6%。交易所的电话被打爆了——不是投资者在抛售，而是经纪商在问：我们的系统还能接单吗？ 那一天暴露了一个根本性缺陷：当市场崩盘时，最需要流动性的时刻，流动性提供者却率先消失。此后的熔断机制设计，本质上是在回答同一个问题：如何让市场在剧烈波动时保持最基本的交易能力？ 理解熔断，不能只停留在“涨跌幅限制
69 阅读
复权与幸存者偏差：回测前必须做的两项数据修正
复权与幸存者偏差：回测前必须做的两项数据修正 “2008 年金融危机期间倒闭的雷曼兄弟，2010 年退市的安然，以及数千家被收购或破产的企业——它们在你使用的历史数据集中吗？” 如果你用当下的指数成分股名单回测过去 20 年，你的策略已经在悄悄享受一种“上帝视角”的优势：被历史淘汰的公司自动从你的股票池里消失了，只剩下活到今天的赢家。 这不是少数人的问题。2011 年，麻省理工学院和芝加哥大学的研
59 阅读
回测收益为何总在实盘中消失：滑点、延迟与容量
量化交易的幽灵：为什么你的策略在回测里是印钞机，到了实盘就哑火 "年化收益 47%，夏普比率 3.2，最大回撤 8%。" 你盯着屏幕上那份回测报告，心跳加速。这是你花了三个月优化的策略，代码逻辑清晰，因子组合优雅，参数寻优覆盖了五年的历史数据。每一个数字都在告诉你：你找到了一条可持续盈利的路。 三个月后，同样的策略跑在真实账户上。年化收益 23%，夏普比率 1.4，最大回撤 19%。 这不是你的策
59 阅读
相关性不等于因果：冰淇淋销量和溺水人数正相关
开篇 "相关性不是因果性"——这是一句被重复了无数遍的统计学公理。 但讽刺的是，在量化交易的世界里，这句话的教训每隔几年就要被重新领教一遍。2015年A股股灾前夕，无数量化策略基于"M2增速与股指的强相关性"建立了"宽松货币→流入股市→上涨"的预测模型。它们在回测中表现优异，在实盘中灰飞烟灭。 原因很简单：M2、股指、GDP，三者共享同一个驱动力——经济周期。把经济周期的代理变量当成预测因子，本质
57 阅读
用 LLM 分析财报电话会议情绪：从音频转录到交易信号
用 LLM 分析财报电话会议情绪：从音频转录到交易信号 开篇 > “语言是思想的载体，而语调是情绪的泄露。” 2019 年第二季度财报电话会上，亚马逊 CFO Brian Olsavsky 在回答关于利润率压力的问题时，语速从平均每分钟 145 词骤降至 112 词，停顿频率增加了 37%。财报当天，亚马逊股价下跌 3.19%，次日继续走低。这一跌幅在当时被归因于“市场对利润率扩张预期的重新定价”
63 阅读
价格是结果，订单簿是原因：理解市场微观结构的 5 个层次
价格是结果，订单簿是原因：理解市场微观结构的 5 个层次 --- 这不是一篇教你“读K线”的文章。 两根同样形态的锤子线，一根之后大涨 5%，另一根直接破位下行。你翻开基本面，消息面几乎一样。再看资金流，北向资金净流入数据也差不多。 问题出在哪？ 答案藏在 K 线诞生之前的那几秒钟——订单簿上，每一笔买卖挂单正在无声地博弈。K 线只是这场博弈的结果，而订单簿，才是原因。 本文将市场微观结构拆解为
350 阅读
拆股前后的价格序列对齐：前复权与后复权的选择陷阱
前复权与后复权的选择陷阱：拆股数据对齐的技术细节 > “拆股不会改变你的持仓价值，但它会彻底摧毁你的回测系统。” 2012 年 3 月，苹果（AAPL）宣布 1:7 的拆股计划。那一天收盘价为 $644，拆股后第一个交易日开盘价为 $92.14。如果你用未复权的 $644 数据直接代入均线计算，你的 20 日均线会在拆股当天断崖式下跌——这不是市场出了什么问题，是你的数据出了大问题。 大多数量化新
43 阅读
财报发布那 5 秒：用 depth 频道实时捕捉流动性塌陷
订单簿不说话，但它的失衡比价格提前 3 秒尖叫 2026 年 2 月 15 日，英伟达发布财报。盘后交易的头 5 秒内，买一价位从 137.20 美元被砸穿至 132.50 美元，跌幅 3.4%。如果你盯着价格看，第一根红柱出现在第 4 秒。但如果你在看订单簿——买盘堆积量在第 2 秒就已萎缩至正常水平的 35%，买卖价差从 0.02 美元扩大至 0.15 美元，整件事在价格行动发生之前就已经写在
48 阅读
相关性不等于因果：冰淇淋销量和溺水人数正相关
统计幻觉：当数字说谎时 凌晨三点，你盯着屏幕上跳动的数字：过去 30 个交易日，两个完全不相关的标的，走势相似度超过 0.92。 你的因子库多了一个新成员。 六周后，这个因子亏损了 23%。 这不是运气问题。这是统计学的基本假设被违背了——相关性不是因果，而大多数量化因子本质上是在赌相关性持续存在。 本文从冰淇淋与溺水的经典悖论出发，系统拆解伪相关的生成机制、检验方法，以及如何在工程层面构建真正有
87 阅读
隔夜信号预计算：盘前流动性预估与开盘策略准备
盘前 4 小时：那些被大多数交易者忽略的 alpha 源 --- 市场在下午 4 点收盘后，并不会真正安静下来。 对于量化交易者而言，收盘后的几个小时内，交易所仍在处理当日结算、盘后大宗交易、机构调仓指令陆续进入券商内系统——这些行为会在盘后报价中留下痕迹。而更重要的是，次日盘前的集合竞价阶段本身就是一座未被充分开采的信号金矿。 一个简单的事实：如果你的策略在上午 9:30 开场时才开始“看盘”，
80 阅读
熔断与涨跌停：当市场按下暂停键
当刀落下：熔断的 15 分钟里，市场在想什么 2010 年 5 月 6 日下午 2:32，道琼斯工业平均指数在不到 20 分钟内暴跌 998.5 点，跌幅接近 9%，随后在收盘前几乎完全反弹。这天后来的名字叫"闪电崩盘"（Flash Crash）。调查人员事后翻看订单簿记录，发现了一个令人不安的事实：在崩盘最剧烈的几分钟内，纳斯达克的买卖价差扩大了超过 100 倍，部分股票的报价出现了从 100
64 阅读
分钟 K 线的暗坑：不同数据源的聚合规则差异及回测偏差
挂钟滴答之间：分钟 K 线里被忽视的 43 分钟缺口 --- 三个月的回测，收益率 47.3%，夏普比率 2.1。实盘第一周，亏损 8%。 这不是策略失灵，而是数据源在作弊。 量化开发者小林在排查日志时发现了端倪：他的代码从 tick 数据自聚合的分钟 K 线，和 Bloomberg 终端给出的分钟数据，在美东时间 9:30 开盘后的前 5 分钟内，成交量相差了 12%。 不是数据延迟，不是计算错
101 阅读
Alpha 从哪来，又到哪去
Alpha 从哪来，又到哪去 --- > “市场不是零和游戏。如果你的策略持续盈利，一定有人以更慢的速度在学习这个规律。” > > ——这是关于 Alpha 最残酷的事实，也是最容易被忽略的起点。 --- 一、问题的起点 每个量化交易者在入门时都会被灌输一个公式： $$P\&L = \alpha + \beta \cdot r_{market} + \epsilon$$ 其中 $\alpha$ 是
133 阅读
美股盘前盘后交易的流动性陷阱：如何过滤假突破信号
"你的突破信号可能是交易所的一个模拟成交单。" 2024年11月的一个深夜，一位量化工程师在 Discord 上贴出了某只中概股的盘后 K 线——股价在 30 分钟内从 82 美元飙升到 89 美元，突破形态堪称教科书级别。他按照策略挂单买入，然后看着价格在次日盘前一路跌回 81 美元。 问题不在策略逻辑，而在于盘后本身。 当某只股票的盘后成交量不足其日均成交量的 2% 时，任何技术指标都是沙滩上
60 阅读
外汇三角套利：EUR/USD、GBP/USD、EUR/GBP 的实时套利监控
外汇三角套利：EUR/USD、GBP/USD、EUR/GBP 的实时套利监控 > "在外汇市场上，没有哪个交易员会忽视三角套利的机会——那是市场偶尔失效时发出的免费午餐邀请函。" 三个货币对，六个字母，一个数学恒等式。当 EUR/USD、GBP/USD、EUR/GBP 三组报价同时在场时，理论上存在一个无风险的利润窗口：EUR/USD × GBP/USD ÷ EUR/GBP = 1。如果这个乘积偏
94 阅读
Alpha 从哪来，又到哪去
Alpha 从哪来，又到哪去 > “在市场中，每个人都在争夺同样的信息、同样的预期、同样的利润。直到有一天，你发现自己的策略不再赚钱——不是因为市场变了，而是因为太多人和你想得一模一样。” 这不是某个量化从业者的个人感悟，而是每一个因子生命周期中必然经历的宿命。Alpha，这个量化交易世界的核心词汇，从来不是凭空产生的，也不是凭空消失的。它的产生需要三个条件：信息差、执行优势、以及市场的不完美。它
99 阅读
样本外验证的正确姿势：如何避免过拟合的虚假信心
回测天堂的陷阱：为什么你优化的参数正在慢慢杀死你的策略 > “一个在 2015-2020 年表现完美的策略，往往不是因为它发现了市场的某种规律，而是因为它学会了背诵那段时间的噪音。” 量化圈有一个公开的秘密：大多数回测报告都不可信。不是因为数据造假，而是因为方法论的欺骗性太强。 一个趋势跟踪策略，你在 Python 里调了三个参数——均线周期、入场偏差、止损幅度——跑出来夏普 2.3，最大回撤 8
52 阅读
协整与伪回归：如何找到真正一起走的股票对
协整与伪回归：如何找到真正一起走的股票对 > “相关性是市场的表象，协整才是均值回复的底层逻辑。” 2010 年秋天，一只量化基金在纽交所的对决震惊了华尔街。 主人公是斯坦福统计学教授 Alfred Nobel 的门徒——David Shaw；对手是一家体型十倍于他的对冲基金。两者都发现了同一个“机会”：美国电力股与天然气股走势高度相关，价差长期围绕某个均值波动。逢高做空电力股、逢低做多天然气股，